数组
数组理论基础
数组存储方式:在连续内存空间上的相同类型数据的集合。
数组元素获取:下标索引获取。
举例:
注意点:
- 数组下标从0开始。
- 数组内存空间连续。
数组优缺点:查询快,增删慢;数组的元素是不能删除的,只能覆盖;
二分查找
二分查找是数组中运用较多的一类算法,使用二分法的前提是数组为有序数组。
二分法最主要的坑在于left 与 right该不该取等的问题;这就代表了我们的边界有不同的分法。
二分法第一种写法
第一种写法,我们定义 target 是在一个在左闭右闭的区间里,也就是[left, right] (这个很重要非常重要)。
定义target在[left, right]区间,所以有如下两点:
-
while (left <= right) 要使用 <= ,因为left == right是有意义的,所以使用 <=
-
if (nums[middle] > target) right 要赋值为 middle - 1,因为当前这个nums[middle]不是target,那么接下来要查找的左区间结束下标位置就是 middle - 1
代码如下:
class Solution {
public int search(int[] nums, int target) {
// 避免当 target 小于nums[0] nums[nums.length - 1]时多次循环运算
if (target < nums[0] || target > nums[nums.length - 1]) {
return -1;
}
int left = 0, right = nums.length - 1;
while (left <= right) {
int mid = left + ((right - left) >> 1);
if (nums[mid] == target)
return mid;
else if (nums[mid] < target)
left = mid + 1;
else if (nums[mid] > target)
right = mid - 1;
}
return -1;
}
}
二分法第二种写法
如果说定义 target 是在一个在左闭右开的区间里,也就是[left, right) ,那么二分法的边界处理方式则截然不同。
有如下两点:
- while (left < right),这里使用 < ,因为left == right在区间[left, right)是没有意义的
- if (nums[middle] > target) right 更新为 middle,因为当前nums[middle]不等于target,去左区间继续寻找,而寻找区间是左闭右开区间,所以right更新为middle,即:下一个查询区间不会去比较nums[middle]
代码如下:
class Solution {
public int search(int[] nums, int target) {
int left = 0, right = nums.length;
while (left < right) {
int mid = left + ((right - left) >> 1); //避免溢出的写法
if (nums[mid] == target)
return mid;
else if (nums[mid] < target)
left = mid + 1;
else if (nums[mid] > target)
right = mid;
}
return -1;
}
}
二分法主要就是对区间定义要清晰!循环中坚持根据查找区间的定义来做边界处理,就是循环不变量规则!
移除元素-快慢指针法
给你一个数组 nums 和一个值 val,你需要原地移除所有数值等于 val 的元素,并返回移除后数组的新长度。
不要使用额外的数组空间,你必须仅使用 O(1) 额外空间并原地修改输入数组。
元素的顺序可以改变。你不需要考虑数组中超出新长度后面的元素。
示例 1: 给定 nums = [3,2,2,3], val = 3, 函数应该返回新的长度 2, 并且 nums 中的前两个元素均为 2。 你不需要考虑数组中超出新长度后面的元素。
示例 2: 给定 nums = [0,1,2,2,3,0,4,2], val = 2, 函数应该返回新的长度 5, 并且 nums 中的前五个元素为 0, 1, 3, 0, 4。
思路
第一种是暴力解法,也是很容易想到的方法,不做过多介绍。
代码如下:
// 时间复杂度:O(n^2)
// 空间复杂度:O(1)
class Solution {
public int removeElement(int[] nums, int val) {
int size = nums.length;
for (int i = 0; i < size; i++) {
if (nums[i] == val) { // 发现需要移除的元素,就将数组集体向前移动一位
for (int j = i + 1; j < size; j++) {
nums[j - 1] = nums[j];
}
i--; // 因为下表i以后的数值都向前移动了一位,所以i也向前移动一位
size--; // 此时数组的大小-1
}
}
return size;
}
};
第二种我们用快慢指针法,也就是将目标元素不断往数组后面挪,慢指针指向的一定是数组中最靠前的目标元素,最后目标元素全部到数组的一端,我们只取前半部分非目标元素的长度就好。
代码如下:
class Solution {
public int removeElement(int[] nums, int val) {
// 快慢指针
int fastIndex = 0;
int slowIndex;
for (slowIndex = 0; fastIndex < nums.length; fastIndex++) {
if (nums[fastIndex] != val) {
nums[slowIndex] = nums[fastIndex];
slowIndex++;
}
}
return slowIndex;
}
}
有序数组的平方-双指针法
给你一个按 非递减顺序 排序的整数数组 nums,返回 每个数字的平方 组成的新数组,要求也按 非递减顺序 排序。
示例 1: 输入:nums = [-4,-1,0,3,10] 输出:[0,1,9,16,100] 解释:平方后,数组变为 [16,1,0,9,100],排序后,数组变为 [0,1,9,16,100]
示例 2: 输入:nums = [-7,-3,2,3,11] 输出:[4,9,9,49,121]
思路
暴力解法:
将所有数平方排序,时间复杂度为O(n + nlogn)
双指针法:
不难发现,平方之后所有元素是以0为分界限往左右进行递增的,因此我们可以利用双指针进行比较,将大的数逐一插入结果数组;
class Solution {
public int[] sortedSquares(int[] nums) {
int right = nums.length - 1;
int left = 0;
int[] result = new int[nums.length];
int index = result.length - 1;
while (left <= right) {
if (nums[left] * nums[left] > nums[right] * nums[right]) {
result[index--] = nums[left] * nums[left];
++left;
} else {
result[index--] = nums[right] * nums[right];
--right;
}
}
return result;
}
}
长度最小的子数组-滑动窗口
给定一个含有 n 个正整数的数组和一个正整数 s ,找出该数组中满足其和 ≥ s 的长度最小的 连续 子数组,并返回其长度。如果不存在符合条件的子数组,返回 0。
示例:
输入:s = 7, nums = [2,3,1,2,4,3] 输出:2 解释:子数组 [4,3] 是该条件下的长度最小的子数组。
思路
暴力解法
两个for循环,然后不断的寻找符合条件的子序列,时间复杂度很明显是O(n^2)
class Solution {
public int minSubArrayLen(int target, int[] nums) {
int sublength = nums.length-1;
int result = Integer.MAX_VALUE;;
for(int i = 0;i<nums.length;i++){
int sum = 0 ;
for(int j = i;j<nums.length;j++){
sum+=nums[j];
if(sum>=target){
sublength = j-i+1;
result = result<sublength?result:sublength;
break;
}
}
}
return result == Integer.MAX_VALUE ? 0 :result;
}
}
滑动窗口:
所谓滑动窗口,就是不断的调节子序列的起始位置和终止位置,从而得出我们要想的结果。
在本题中实现滑动窗口,主要确定如下三点:
- 窗口内是什么?
- 如何移动窗口的起始位置?
- 如何移动窗口的结束位置?
窗口就是 满足其和 ≥ s 的长度最小的 连续 子数组。
窗口的起始位置如何移动:如果当前窗口的值大于s了,窗口就要向前移动了(也就是该缩小了)。
窗口的结束位置如何移动:窗口的结束位置就是遍历数组的指针,窗口的起始位置设置为数组的起始位置就可以了。
class Solution {
public int minSubArrayLen(int target, int[] nums) {
int l = 0 ;
int result = Integer.MAX_VALUE;
int sum = 0;
for(int r = 0 ; r<nums.length;r++){
sum+=nums[r];
while(sum>=target){
result = Math.min(result,r-l+1);
sum -=nums[l++]; //这一步就是不断移动窗口的精髓
}
}
return result == Integer.MAX_VALUE? 0 : result;
}
}
螺旋矩阵II
给定一个正整数 n,生成一个包含 1 到 n^2 所有元素,且元素按顺时针顺序螺旋排列的正方形矩阵。
示例:
输入: 3 输出: [ [ 1, 2, 3 ], [ 8, 9, 4 ], [ 7, 6, 5 ] ]
思路
按照左闭右开的原则,来画一圈:
代码如下:
class Solution {
public int[][] generateMatrix(int n) {
int[][] res = new int[n][n];
// 循环次数
int loop = n / 2;
// 定义每次循环起始位置
int startX = 0;
int startY = 0;
// 定义偏移量
int offset = 1;
// 定义填充数字
int count = 1;
// 定义中间位置
int mid = n / 2;
while (loop > 0) {
int i = startX;
int j = startY;
// 模拟上侧从左到右 n-offset就表示了每次循环的步长
for (; j<startY + n -offset; ++j) {
res[startX][j] = count++;
}
// 模拟右侧从上到下
for (; i<startX + n -offset; ++i) {
res[i][j] = count++;
}
// 模拟下侧从右到左
for (; j > startY; j--) {
res[i][j] = count++;
}
// 模拟左侧从下到上
for (; i > startX; i--) {
res[i][j] = count++;
}
loop--;
startX += 1;
startY += 1;
offset += 2;
}
//奇数需要特殊处理
if (n % 2 == 1) {
res[mid][mid] = count;
}
return res;
}
}
总结
数组的重点,一个是存储的连续性,正是**因为数组的在内存空间的地址是连续的,所以我们在删除或者增添元素的时候,就难免要移动其他元素的地址。**二维数据在内存中不是的连续地址空间,而是N条连续的地址空间组成!另一个则是元素的不可删除,只能覆盖。